Die vorliegende Arbeit legt einen Ansatz der methodologischen Kritik
von ‘great-men-theory’-Ansätzen in der Geistesgeschichte dar. Diese
Ansätze, welche, wie gezeigt wird, weit verbreitet sind, ruhen auf der
Annahme, dass die Struktur eines geistigen Gebietes adäquat durch die
Beziehungen seiner namhaftesten Vertreter abgebildet werden kann.
Wir erklären und validieren eine neue Computer-Methode (UMAP,
McInnes et al. 2018), welche es ermöglicht, die Struktur intellektueller
Felder durch Text- und Zitationsdaten abzubilden und kritisieren damit
die Grundannahmen von ‘great-men-theorizing’, indem wir die Technik
auf unterschiedlich große Samples aus den selben Datensätzen anwen-
den, welche dann untereinander intern verglichen werden.
Das erlaubt uns, abzuschätzen, wie gut kleine, hoch-zitierte Samples die
großen Datensätze abbilden, aus denen sie gezogen wurden. Unseren
Ergebnissen nach erreichen sie nur Abbildungen von geringer Qual-
ität, was nahelegt, dass ‘great-men-theorizing’ als Forschungspraxis nicht
gerechtfertigt ist.
Auf der Grundlage dieser Kritik argumentieren wir, dass es vernün-
ftig ist, traditionelle Formen geistesgeschichtlicher Forschung durch die
Computer-gestützte Analyse großer Datensätze anzureichern. Weiter-
hin schlagen wir erste Richtlinien hierfür vor, und diskutieren vielver-
sprechende Ansätze für weitere Forschung.

This work provides a methodological critique of implicit ‘great-men-
theory’-approaches to intellectual history. It is argued that these ap-
proaches, which are shown to be ubiquitous, rest on the hypothesis that
the structure of an intellectual fi eld can be adequately represented by the
structure revealed in the relations of its most important actors.
This hypothesis is challenged by explaining and validating a novel com-
putational method (UMAP, McInnes et al. 2018) that allows us to derive
the structure of intellectual fi elds from textual and citation-data.
This technique is applied to datasets at diff erent scales, which are then
internally compared. This allows us to test how well small, highly cited
sub-samples represent the complete sample from which they are drawn.
They do so badly, suggesting that the justifi cationary hypothesis behind
great-men-theories does not hold.
Based on this critique we argue that it is prudent to complement tradi-
tional accounts of intellectual history with the computational analysis of
large samples. We further provide tentative guidelines for how this ought
to be done, and some directions for further research in this domain.